English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Pengenalan terhadap sidik jari sangat dibutuhkan terutama untuk pengenalan identitas seseorang dari sifatnya yang unik. Pada saat pengambilan data sering ditemui kesalahan dan kesulitan pada pengambilan data maka perlu dilakukan identifikasi kesalahan pada sidik jari tersebut. Identifikasi, sering ditemui adanya kerusakan citra sidik jari berupa sidik jari kotor, sidik jari berminyak, sidik jari sebagian, sidi jari rotasi. Kerusakan citra sidik jari mengakibatkan citra sidik jari sulit dikenali karena ciri citra sidik jari banyak yang hilang. Untuk itu diperlukan penentuan parameter bahwa sebuah citra sidik jari dikatakan rusak kemudian mencari ekstraksi ciri yang berbeda dari jenis kerusakan citra sidik jari. Untuk menghindari kerusakan citra sidik jari, dilakukan penelitian mengenai deteksi kerusakan citra sidik jari di antaranya sidik sidik jari kotor, sidik jari berminyak, sidik jari sebagian, sidik jari rotasi. Sedangkan ekstraksi ciri menggunakan pemisah luasan defect dan non defect dan deteksi menggunakan metode Learning Vector Quantization (LVQ). Hasil yang diperoleh dari penelitian bahwasanya dengan training dan neuron yang besar kecenderungannya hasil akurasi semakin baik tersebut citra sidik jari sebagian akurasi mencapai 100%, citra sidik jari kotor 85%, sidi jari berminyak 96, 6%, sidik jari rotasi 85%.

SISTEM DETEKSI KERUSAKAN SIDIK JARI DENGAN METODE LEARNING VECTOR QUANTIZATION UNTUK PENENTUAN JENIS KERUSAKANNYA